Rapportering, dataanalys, trendanalys, beslutsstöd. Begreppen är många och definitionerna inte alltid helt glasklara. Nu pratas det även mycket om prediktiv analys. Hur särskiljer sig sådan?

Förutom att olika algoritmer, statistiska funktioner och datastrukturer används för olika typer av analyser så finns det grundläggande skillnader vad gäller syfte och allmänt tillvägagångssätt. En allmän definition av prediktiv analys är att den handlar om att identifiera relevanta signaler och mönster som pekar på ett visst utfall, bedöma sannolikheten för att utfallet ska inträffa och sedan föreslå beslut baserat på insikten.

För att definiera prediktiv analys närmare kan tre särskiljande drag lyftas fram. För det första handlar prediktiv analys i högre utsträckning om att verkligen försöka förutsäga framtida händelser med hjälp av algoritmer än traditionell dataanalys. Traditionell dataanalys handlar mer om att titta på vad utfallet historiskt blivit givet ett antal förutsättningar och sedan utgå i från att utfallet kommer att bli det samma, eller liknande, i framtiden om förutsättningarna är de samma.

I prediktiv analys tittar man mer på vad som kan tänkas hända i ett specifikt fall, beroende på vissa förutsättningar. Algoritmerna kan naturligtvis skapas baserade på en historisk analys, alltså vad som har hänt tidigare givet samma förutsättningar. Men eftersom målet är att modellera enskilda händelser går det att tillföra tankar om orsak och verkan som inte har stöd i tidigare utfall.

Den här beskrivningen leder oss till nästa särskiljande drag: Prediktiv analys handlar i högre utsträckning om att arbeta med individer än traditionell dataanalys. Traditionell dataanalys handlar mer om grupper av individer, eller segment och kluster som är begreppen som används, se faktaruta.

Individfokuset går hand i hand med titta på enstaka händelser, vilket leder oss fram till det tredje särskiljande draget. Prediktiv analys lämpar sig för, och kan komma till nytta i, pågående händelser. Traditionell dataanalys är oftare inriktad på att analysera stora historiska datamängder om stora grupper av individer. Alltså batchkörningar i efterhand.

Prediktiv dataanalys kan till exempel användas när en individ surfar in på en e-handelssajt och börjar klicka sig fram, för att visa lämpliga erbjudanden. Analysen görs när något händer. Om traditionell dataanalys används i samma sammanhang handlar det om att agera utifrån regler som baseras på analyser som gjorts vid ett tidigare tillfälle.

Om mer traditionella analyser eller prediktiv analys ska användas beror alltså på angreppssättet i stort. Om målet är att dra nytta av analyser av historiska data så passar traditionell dataanalys. Om målet är att förändra skeenden när de inträffar passar prediktiv analys.

I slutändan handlar det om att välja det angreppsresultat som ger bäst resultat per satsad krona. I dag ser det ut som att det valet allt oftare kommer att hamna på prediktiv analys.

Fakta

När individer delas i grupper under dataanalys kallas sådana grupper omväxlande för segment och kluster. Vanligtvis, och enkelt uttryckt, skiljer sig de båda begreppen åt så här:

  • Segment. När analytikern själv bestämmer kriterierna för gruppindelningen. En analys kan till exempel gå ut på att undersöka vilken marknadsföring som fungerar bäst för en viss grupp.
     
  • Kluster. När gruppindelningen bestäms via en analys. Det innebär att inte helt självklara grupper kan identifieras. Målet för en analys kan vara att identifiera sådana grupper för att adressera dem med marknadsföring.